隨著智能化的發(fā)展,智能產(chǎn)品作為交互客體被不斷要求去主動適應(yīng)用戶的習慣。然而,僅僅通過一些簡單的鍵盤、鼠標、觸摸屏等傳統(tǒng)方式越來越難滿足自然交互的要求,人們亟待開發(fā)出更加直接且自然的交互方式。本文提出了一種基于Kinect的非接觸式的交互方式,以交通警察指揮交通的動作為研究對象,分別對人體靜態(tài)三維動作識別技術(shù)和人體動態(tài)三維動作識別技術(shù)進行了研究。人體靜態(tài)三維動作是對單幀圖像中的人體動作進行識別分類,一般包括三個步驟:動作數(shù)據(jù)信息獲取、動作特征提取、動作識別分類。通過采集動作數(shù)據(jù)和構(gòu)造動作描述特征后,使用選擇模型融合的方式將決策樹和SVM進行模型融合對靜態(tài)動作進行識別分類。動態(tài)三維動作可以看作是一系列靜態(tài)三維動作組成的序列。通過采集動作序列數(shù)據(jù)和構(gòu)造動作描述特征后,使用改進的BP神經(jīng)網(wǎng)絡(luò)完成了識別分類。本文的主要工作如下:（1）提出了基于Kinect的三維動作識別的交互方式。本文詳細介紹了Kinect體感設(shè)備實現(xiàn)交互的工作原理,主要包括深度圖像的采集技術(shù)以及骨骼跟蹤技術(shù)。通過Kinect能夠直接捕捉到人體骨骼的25個關(guān)節(jié)點,這為動作識別分類中構(gòu)造動作描述特征提供了重要的基礎(chǔ)。同時也將采集人... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【部分圖文】：

圖1-1兩種新型的交互方式

換ダ錈嬤匾?囊恢鄭?哂杏憑玫姆⒄估?貳?近年來，隨著人機交互領(lǐng)域的迅猛發(fā)展，人體三維動作的識別和交互技術(shù)也取得了長足的進步。隨著用戶需求的越來越多，使用場景的越來越復雜，人們不得不對這些交互過程提出準確性和魯棒性方面的要求，人體三維動作的識別和交互仍然作為當今具有相當挑戰(zhàn)性的課題，不斷吸引的研究者投身于該領(lǐng)域的研究之中，成為了一個不可忽視的研究熱點。1.2.1人體三維動作的交互方式對于人體三維動作的識別來說，交互方式的研究是重要的前置動作。目前，在該領(lǐng)域最常用的交互方法主要包括三種，如圖1-2所示，它們分別是基于基于環(huán)境傳感器的方法、可穿戴傳感器的方法[7]和基于視頻序列的方法[8-11]。圖1-2三種常用交互方式1）基于環(huán)境傳感器的采集方法一般應(yīng)用在特定的環(huán)境中，比如家庭、實驗室、公司等場景。在一些特定的物件上放置二進制狀態(tài)的傳感器，在用戶使用這些物件的時候，傳感器的狀態(tài)會被激活，從而可以開始記錄人體所執(zhí)行的動作。舉個例子，如果用戶打開淋浴準備洗澡的時候，通過傳感器的狀態(tài)，可以得知用戶準備進行“洗澡”這個行為，進而獲取到相關(guān)的數(shù)據(jù)。盡管這種基于環(huán)境傳感器的數(shù)據(jù)采集方式確實在一些場景下進行了應(yīng)用，但是，這樣的方式必須預(yù)先布置好大量的傳感器，成本很高，同時，很難區(qū)分出是哪一個具體的用戶在進行當前的行為活動。2）基于可穿戴式傳感器的識別方法是將特定的傳感器佩戴在感興趣的重要關(guān)節(jié)點上，通過穿戴在人體身上的傳

電子科技大學碩士學位論文4感器來獲取人體運動的數(shù)據(jù)的，最終這些數(shù)據(jù)可以傳遞到個人終端或者移動設(shè)備上。隨著移動計算芯片和微機電系統(tǒng)(MicroElectroMechanicalSystem,MEMS)迅猛發(fā)展，可穿戴設(shè)備的成本大幅度降低，種類樣式也越來越豐富，精度也越來越高，使得這種交互方式也得到了極大的推廣。常用的可穿戴式傳感器如圖1-3所示。這種方式，能夠?qū)μ囟ǖ挠脩暨M行有針對性的數(shù)據(jù)采集，但是，用戶需要佩戴大量的傳感器，這種接觸式的采集方式，特別是在需要對多個點進行數(shù)據(jù)采集的時候，會帶來不便，從而引起不好的用戶體驗。另外，穿戴式的設(shè)備需要供電，那么更換電池也是用戶們需要面對的問題。圖1-3人體動作數(shù)據(jù)采集的三種常用方式3）基于視頻序列的采集方法在早期對人體三維動作識別的研究中，基于視頻序列的方式算是最常見的手段。一般來說，采用一個或者多個攝像頭組成的系統(tǒng)，對人體的三維動作進行捕捉。在捕捉到動作的序列信息之后，通過分析其數(shù)據(jù)，可以從中提取出豐富的信息，比如說關(guān)鍵的時空興趣點，身體輪廓等，再通過選用合適的人體三維動作識別的算法，便可以識別出人體的動作，并且完成整個交互過程。采集數(shù)據(jù)對于整個交互過程是至關(guān)重要的。只有保證了數(shù)據(jù)采集過程中的精確性和效率，才會保證整個數(shù)據(jù)的質(zhì)量，能在系統(tǒng)中之后的識別模塊取得好的效果。而基于視頻序列的方式，可以得到連續(xù)幀的動作，進而可以方便地構(gòu)造人體三維動作的運動特征，達到非常好的運動表征效果，這為最后的動作識別提供了有力的支撐，最終可以有效地完成整個交互過程[12-13]。國內(nèi)外的許多科研團隊和高校研究在研究人體三維動作識別和交互方式時，都會采取這樣的交互方式，如英國雷丁大學、美國的西北大學、賓夕法尼亞州立大

【參考文獻】：
期刊論文
[1]基于深度學習的交警指揮手勢識別[J]. 常津津,羅兵,楊銳,郝葉林.  五邑大學學報(自然科學版). 2018(02)
[2]基于B參數(shù)的改進HMM動態(tài)手勢識別算法[J]. 張毅,姚圓圓,羅元.  華中科技大學學報(自然科學版). 2015(S1)
[3]基于外形特征與運動特征的人體行為提取方法[J]. 韓駿浩,趙懷勛.  電子科技. 2014(10)
[4]基于Kinect的實時人體姿勢識別[J]. 劉開余,夏斌.  電子設(shè)計工程. 2014(19)
[5]監(jiān)控視頻中異常行為自動檢測系統(tǒng)的設(shè)計與實現(xiàn)[J]. 許鋒,黃馬慶,單大國.  中國刑警學院學報. 2014(03)
[6]基于HOG和SVM的手勢檢測技術(shù)[J]. 郭文爽,王雪芳.  電子科技. 2014(08)
[7]人體動作行為識別研究綜述[J]. 李瑞峰,王亮亮,王珂.  模式識別與人工智能. 2014(01)
[8]復雜背景下BP神經(jīng)網(wǎng)絡(luò)的手勢識別方法[J]. 王先軍,白國振,楊勇明.  計算機應(yīng)用與軟件. 2013(03)
[9]基于視覺的人體動作識別綜述[J]. 周艷青,王磊.  山東輕工業(yè)學院學報(自然科學版). 2012(01)
[10]基于時空單詞的兩人交互行為識別方法[J]. 韓磊,李君峰,賈云得.  計算機學報. 2010(04)

博士論文
[1]基于可穿戴傳感器數(shù)據(jù)的人體動作識別方法的研究[D]. 陳野.大連理工大學 2018
[2]圖像序列中人的行為分析和識別方法[D]. 韓磊.北京理工大學 2009

碩士論文
[1]視頻監(jiān)控中的人群異常行為檢測研究[D]. 夏清.電子科技大學 2019
[2]三維顯示手勢交互方式研究[D]. 勾海亮.電子科技大學 2018
[3]基于Kinect的人體動作識別系統(tǒng)與實現(xiàn)[D]. 邊俊霞.濟南大學 2015
[4]基于Kinect的手勢識別技術(shù)研究[D]. 劉陽.重慶大學 2014
[5]基于Kinect的手勢識別與機器人控制技術(shù)研究[D]. 王松林.北京交通大學 2014
[6]跳水視頻中運動姿勢識別方法的研究[D]. 王佳.西南大學 2012
[7]基于背景剪除和隱馬爾可夫模型的人體動作識別[D]. 齊登鋼.安徽大學 2011
[8]基于決策樹的分類算法研究[D]. 胡江洪.武漢理工大學 2006



本文編號：3401975